Detectron2安装与测试

刚刚接触detectron2框架，总的来讲该框架由Facebook开源，质量还是非常不错的，值得学习。今天就对安装和测试遇到的一些问题进行整理和总结。后期会持续更新。

Detectron2安装

Detectron2项目链接：https://github.com/facebookresearch/detectron2
官方安装教程：https://github.com/facebookresearch/detectron2/blob/main/INSTALL.md

Requirements

Python ≥ 3.6 （本实验在Ubuntu16.04下进行，使用Python3.7）
Pytorch ≥ 1.5 对应版本的 torchvision（本实验安装Pytorch 1.6，torchvision 0.7）
CUDA 10.1 （请选择与Pytorch匹配的cudatoolkit版本，以便成功安装框架）
GCC >= 4.9（这个是C/C++编译环境的要求，如果不对，在编译过程基本就会失败）

环境安装

anaconda创建环境

conda create -n detectron2 python=3.7
conda activate detectron2

安装pytorch 1.6 cuda10.1

conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.1 -c pytorch

#测试一下
import torch, torchvision
print(torch.__version__, torch.cuda.is_available()) 

安装其他依赖项

pip install cython pyyaml==5.1
pip install opencv-python==3.4.2
pip install cython
# fvcore 本实验安装的是下面版本，也可以参考官方安装教程安装其他版本：https://github.com/facebookresearch/fvcore/
pip install fvcore==0.1.1.post20200716
# 安装pycocotools，如果下面代码运行报错，可以参考链接进行安装：https://blog.csdn.net/xiongzai2016/article/details/106855544
pip install -U 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI'

安装detectron2

# 从本地克隆安装
git clone https://github.com/facebookresearch/detectron2.git
python -m pip install -e detectron2

这样下载的detectron2是最新版本，由于官方安装文档中要求PyTorch ≥ 1.8 ，所以安装的时候会报错。可以访问detectron2的历史版本链接：https://github.com/facebookresearch/detectron2/releases
根据安装的PyTorch和cuda版本来安装对应版本的detectron2，下面是PyTorch1.6对应的安装命令行：

python -m pip install detectron2==0.4 -f \
  https://dl.fbaipublicfiles.com/detectron2/wheels/cu101/torch1.6/index.html

测试-实例分割

在detectron2文件夹中新建一个testimage文件夹，存入几张测试图片。

运行demo.py

python demo/demo.py \
--config-file ./configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml \
--input ./testimage/2007_003020.jpg --output ./output/ \
--opts MODEL.WEIGHTS ./model/model_final_f10217.pkl

config-file ：configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml 这个是配置信息，detectron2那个文件夹里面已经有了。
input： ./testimage/2007_003020.jpg 测试图像的路径。
output： 自己定义一个输出路径。
opts ：MODEL.WEIGHTS models/model_final_f10217.pkl 这是训练好的模型，根据自己的要求去model zoom 下载就可以了。也可以直接设置成MODEL.WEIGHTS detectron2://COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl 有时间下载速度有时会很慢，影响测试速度，所以还是提前下载好。

看看测试结果：

训练测试

使用自带的小版本数据集，运行./datasets/prepare_for_tests.sh，然后执行./dev/run_instant_tests.sh，如果出现下面的结果，恭喜都安装成功了。以下是其他博主的运行结果截图：

参考文章：
原文链接：https://blog.csdn.net/weixin_41298484/article/details/119914362
原文链接：https://blog.csdn.net/XX_123_1_RJ/article/details/103779787
原文链接：https://blog.csdn.net/qq_33047753/article/details/107022768